人工智能時代測繪遙感技術的發展機遇與挑戰分析

李高領

摘 要：在社會科學技術以及社會經濟快速發展的時代背景下，進一步推動著很多行業領域的向前發展，其中最具影響力的就是人工智能技術，該技術通過對人類大腦思維的模擬與運用，不僅顯著提升人們在生活、工作、學習等過程的效率，而且在精確性、科學性等方面均有很大提升。同時，測繪遙感技術與人工智能領域的聯系十分密切，因此，面對日新月異的人工智能技術發展，如何讓其更好的促進測繪遙感技術發展是當前繼續解決的重點課題。故本文在對人工智能領域中的熱點---機器視覺和機器學習進行詳盡論述的基礎上，討論其在測繪遙感技術中的創新應用，最終促進兩者的融合創新發展。

關鍵詞：人工智能技術；測繪遙感；機器視覺；機器學習；融合創新

目前，在很多國家的社會科學技術發展過程中，均十分重視其人工智能技術的創新與發展，并且不斷加強其與其他領域相關科學技術的融合；可以認為當前的人工智能技術是目前最為熱門并且發展速度最快的一個學科領域。并且在近些年來，隨著以深度學習為代表的神經網絡算法在眾多大數據以及圖形處理器等方面的大規模應用下，使得其人工智能技術的發展迎來再一次發展高潮。在此過程中，伴隨著人工智能技術的相關研究與報道，再一次向世人宣告人類的發展已經進入人工智能時代，并且在未來的發展也將持續升溫，不斷創造出史無前例的新型產品與設備，從而豐富人們的生活、讓工作與學習更加方便快捷。測繪遙感技術，作為一個與人工智能技術有著密切聯系的科學領域，在人工智能技術的沖擊下，其既面臨諸融合發展的機遇，同時也要必須解決系列挑戰；因此，為了讓測繪遙感技術進一步發展，就需要對其技術融合環境、機遇等進行分析討論。

1 人工智能技術概述

目前，根據人工智能技術的發展，可以將其大致分為以下幾個研究方向：（1）機器視覺：其主要的應用領域在于三維模型的建構、對于特定環境下圖像的理解與運用等，即主要展現產品的視覺信息。（2）語言理解與運用：主要是應用在語言相關領域，例如機器人對人們語言信息的識別，并且根據其信息對其作出相應的回應等。（3）機器人學：即通過對人類思維、動作等方面的模擬，讓機器能夠更好的從事相關的事物活動，進而減少誤差、提升精確性。（4）認知與推理：主要的功能目的是對包括物理、社會常識等在內的相關信息的識別與推理判斷，進而產生相對應的指令。（5）博弈與倫理：例如早期報道中的阿爾法狗與圍棋參賽者進行對抗與合作等。（6）機器學習：由于大數據時代的影響，就會使得目前很多的數據處理均面臨較大的困難，而通過對人工智能技術的合理運用，就能夠顯著提升其數據建模、分析與計算的效率。

在對上述人工智能技術的分析之后，可以認為前三項技術均是類比人的五官所應運而生的技術類型，進而幫助人們更好的對相關事物進行深刻的感知與體驗；而后三者則更多是類比人類的大腦結構與功能，從而讓人工智能技術具有一定的認知與推理判斷能力。其中的機器視學則更多是模擬人類的眼睛、語音識別與理解則更多是類比人類的耳朵、機器人學則是研究人們的肢體動作；在對人類的思維與社會常識等進行模擬研究的難度、復雜度顯著要高于對人類五官的模擬應用，往往需要系列復雜的計算機算法、編程等來實現，需要在前期投入更多的精力與成本。

2 機器視覺在攝影測量和遙感領域中的應用

2.1 機器視覺

機器視覺，又可以稱之為計算機視覺，其主要的應用領域為攝影與測繪。由于在實際的攝影與測繪過程中由于受到外界多重因素的影響，其在成像、圖像處理、景物分析等過程中面臨一些困難，因此通過利用機器視覺技術，合理模仿人眼對目標對象進行識別與追蹤、處理等，最終通過一定的技術加工得到對應場景的三維建模。

2.2 機器視覺與測繪遙感技術

在對事物進行研究的過程中，為了更好的對被觀察事物進行測量與分析，隨后又發展出了攝影測量學，即通過對所拍攝圖片中物體的形態、位置、大小、遠近等信息進行分析處理，從而更好地對被拍攝物體進行描述的技術。所以，總結概括來講，攝影測量學的工具是攝影技術，其技術目的是測量。在攝影測量學的發展伊始，是通過首次發現拍攝的立體照片能夠應用在立體視覺的重建過程中，從而催生了攝影測量學的發展與進步；在此之后，將其更多的應用在野外測量等工作中。因此，可以認為攝影測量學與計算機視覺在原理、方法、應用等方面均有著相通的地方；目前在人工智能技術的推動作用下，計算機視覺的發展更加高端、精確化，因此也就為測繪遙感技術的發展奠定重要的理論基礎和實證依據。

在國內開展的相關針對機器視覺與測繪遙感技術融合發展的典例是無人駕駛汽車以及機器人的研究與實施。在無人駕駛汽車上面配備的系列傳感設備能夠充分發揮人工智能視覺的重要作用，對去汽車周圍的環境、危險物等進行有效識別與測量，從而更好的反饋于汽車本身，實現對汽車的駕駛以及路況識別。所以，人工智能技術中的機器視覺與測繪遙感技術的融合創新發展，一方面能夠促進測繪遙感技術人員與人工智能技術的應用，另外一方面，人工智能技術的創新與發展也必將進一步推動測繪遙感技術的深層次變革發展。

3 機器學習在攝影測量與遙感領域的應用

3.1 機器學習

在對人工智能技術的發展歷程進行分析發現，在其技術發展一開始，就加強對機器學習技術的發展與創新。機器學習的技術原理就在于尋找一個函數，達到對數據與類別之間的正確或最佳映射；隨后在機器學習的發展中，其中的統計技術不僅應用在機器學習中，也在攝影測量與遙感領域得到廣泛的應用，例如監督與非監督目標識別與分類等方法。

3.2 機器學習與測繪遙感技術

首先，在機器學習技術的自身發展過程中，技術人員為了實現根據目標任務的差異性來選取特定的事物特征，進而發展出深度學算法，標志著深度算法概念的誕生。大量的實踐均一致表明，深度算法不僅在圖像分類、語言識別等領域發揮重要作用，而且在攝影測量、遙感領域都頗有建樹。

此外，深度學習的應用沒有局限于語言信息的處理，而是更好的應用在視覺圖形處理等方面，例如手寫字體識別、自然圖像分類、目標檢索等，進而推動了機器人、人臉識別等人工智能技術的飛速發展。將深度學習應用于幾何定位目前還未進入攝影測量研究領域，但已經出現在密切相關的計算機視覺領域，如SFM與 SLAM。然而，深度學習方法的定位精度目前尚不能同傳統的方法相比，約相差一個數量級。

深度學習在攝影測量領域的另一個主要任務，即影像的語義提取方面，則取得了重要進展，并開始普及應用。基于圖像的建筑、道路網等地物的提取數十年來一直是熱門課題。雖然經典方法取得一定的效果，但距離實用、市場、商業軟件尚有一定的距離。基于深度學習的方法除了可有效地用于遙感影像的地物分類與目標檢索以外，在其他攝影測量與遙感數據處理方面也有廣泛用途。例如，胡翔云等采用深度學習方法進行激光雷達點云數據處理。

參考文獻：

[1] 佚名. 人工智能時代測繪遙感技術的發展機遇與挑戰[J]. 武漢大學學報：信息科學版， 2018， 43（12）：1788-1796.

[2] 馬建文， 陳雪. 遙感數據處理中的現代人工智能方法[J]. 遙感學報， 2009， 13（s1）：237-244.